python --机器学习(KNN相关)

概念:

  • 监督学习(Supervised Learning):利用大量的标注数据来训练模型,模型最终学习到输入和输出标签之间的相关性;
  • 半监督学习(Semi-supervised Learning):利用少量有标签的数据和大量无标签的数据来训练网络;
  • 无监督学习(Unsupervised Learning):不依赖任何标签值,通过对数据内在特征的挖掘,找到样本间的关系,比如聚类;
  • 自监督学习(Self-supervised Learning):利用辅助任务(pretask)从大规模的无监督数据中挖掘自身的监督信息,通过这种构造的监督信息对网络进行训练,从而可以学习到对下游任务有价值的表征;

主要分为: 分类问题(是和否) 和 回归问题(具体的数值)

K相邻相关

大白话: 预测数据离训练数据最近的一个,则归类为距离最短的类别;

距离计算: 常见的距离计算(欧式距离, 曼哈顿距离)

优缺点

scikit-learn ==1.6.0

根据电影的武打镜头和接吻镜头预测电影是武打片或爱情片

数据如下:

python 复制代码
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier  # 分类问题
from sklearn.neighbors import KNeighborsRegressor   # 回归问题

movie = pd.read_excel('./1.xlsx', sheet_name=0)  # 读表的二维数据
# print(movie)

x_train = movie[['武打镜头', '接吻镜头']]  # 获取训练数据  必须为2维的数值
y_train = movie['分类情况'].values  # 分类问题一般时一维数据
# print(x_train)
# print(y_train)


# 创建Knn分类器的实例对象,
knn = KNeighborsClassifier()  # n_neighbors一般小于20  p:2 欧式距离  1曼哈顿距离

# 训练
knn.fit(x_train, y_train)

# 预测(数据结构必须和训练数据一致) ['武打镜头', '接吻镜头']
x_test = np.array([[50, 3], [60, 2], [4, 20], [35, 2], [40, 0], [45, 2]])  # 预测数
a = knn.predict(x_test)  # 预测
print(a)  # 预测结果

# 计算得分(分类问题 准确率)
y_test = ['动作片', '动作片', '爱情片', '动作片', '动作片', '动作片']  # 预测的结果
score = knn.score(x_test, y_test)
print(score)


# 画散点图
plt.scatter(movie['武打镜头'], movie['接吻镜头'], c=[0, 0, 1, 0, 1, 1])
plt.scatter(x_test[:, 0], x_test[:, 1])
plt.show()

能明显看出预测的数据和样本数据之间的距离

相关推荐
Aczone2810 分钟前
硬件(六)arm指令
开发语言·汇编·arm开发·嵌入式硬件·算法
Godspeed Zhao10 分钟前
自动驾驶中的传感器技术39——Radar(0)
人工智能·机器学习·自动驾驶·毫米波雷达
YA3331 小时前
java设计模式二、工厂
java·开发语言·设计模式
逐雨~1 小时前
9.8C++作业
开发语言·c++
我爱挣钱我也要早睡!2 小时前
Java 复习笔记
java·开发语言·笔记
Yang-Never3 小时前
Kotlin协程 -> Job.join() 完整流程图与核心源码分析
android·开发语言·kotlin·android studio
luckys.one5 小时前
第9篇:Freqtrade量化交易之config.json 基础入门与初始化
javascript·数据库·python·mysql·算法·json·区块链
TomCode先生5 小时前
c#动态树形表达式详解
开发语言·c#
高-老师6 小时前
基于R语言的物种气候生态位动态量化与分布特征模拟
开发语言·r语言·物种气候
大翻哥哥6 小时前
Python 2025:量化金融与智能交易的新纪元
开发语言·python·金融